Eine Sache beim Leben in Asien ist, dass man oft mit wichtigen Nachrichten aufwacht und auf dem Laufenden bleiben muss.

Sam Altman wurde zum Beispiel am Freitag von OpenAI gefeuert.

Ich wäre fast an meiner Milch erstickt.

Warum sollte der Vorstand jemanden entlassen, der offensichtlich äußerst intelligent ist, eine vorbildliche Erfolgsbilanz vorweisen kann und gerade vor 12 Tagen eine hervorragende Keynote auf der OpenAI-Konferenz gehalten hat?

Geben Sie den pikanten Theoriemachern ein Stichwort. Andrew Cote glaubt, dass es politische Gründe waren, dass Altman gefeuert wurde, weil „er die KI durch den Einsatz eines aktuellen Durchbruchs zu schnell voranbringen würde“. Und manche Leute mochten das nicht.

OpenAI hat eine sehr schwierige (fast dysfunktionale) Unternehmensstruktur, da es als gemeinnützige Organisation begann und sich später für den Übergang zu einem gewinnorientierten Unternehmen entschied. Heute kontrolliert die gemeinnützige Organisation die Richtung des gewinnorientierten Unternehmens und bietet den Anlegern gleichzeitig einen begrenzten Gewinn.

Bis die Wahrheit ans Licht kommt, werden es noch ein paar spannende Wochen werden.

Wird das ein Steve-Jobs-Moment sein? Wird Sam ein weiteres Unternehmen gründen, das mit OpenAI konkurrieren kann?

Was jedoch klar ist, ist der Schleier des Geheimnisses, der die internen Abläufe von OpenAI umhüllt. Obwohl GPT ein allgegenwärtiges Tool ist und von Hunderten Millionen Menschen weltweit genutzt wird, gibt es eine spürbare Diskrepanz.

Als alltägliche Benutzer befinden wir uns im Außenstehenden und versuchen, durch den Schleier der Geheimhaltung zu blicken, der diese KI-Giganten umgibt. Da sich GPT weiterhin in das Gefüge unserer Gesellschaft einfügt, ist dieser Mangel an Transparenz besorgniserregend.

Blockchain + Krypto = ???

Blockchain… und Krypto? Quelle: marketoonist.com

In letzter Zeit habe ich mit der Frage gerungen: Wie wird die Schnittstelle zwischen Krypto und KI aussehen? Es ist vage, aber die meisten würden zustimmen, dass ein enormes Potenzial darauf wartet, erschlossen zu werden.

Wenn wir an AI x Crypto denken, denken wir normalerweise an Akash Network und Render. Hierbei handelt es sich um dezentrale Netzwerke für GPUs, die die nötige Rechenleistung für das Training von KI-Modellen bereitstellen können. Die Logik liegt auf der Hand: Da die KI weiter rasant zunimmt, steigt auch der Bedarf an Rechenressourcen. Peer-to-Peer-Netzwerke könnten in diesem Zusammenhang ein erhebliches Wachstum verzeichnen. Sie sind also im Geschäft mit Hacken und Schaufeln tätig, aber ich denke, dass dies nur der oberflächliche Blick auf das Potenzial von AI x Crypto ist.

Es ist, als würde man sagen, Affen-JPEGs seien der Höhepunkt dessen, was NFTs bieten können.

Und dann bin ich auf Bittensor gestoßen.

ELI5: Bittensor

Im Gegensatz zu Akash oder Render, die das Training von KI-Modellen (Upstream) unterstützen, konzentriert sich Bittensor auf die KI-Inferenz (Downstream), bei der trainierte Modelle zur Generierung von Ausgaben verwendet werden.

Es handelt sich um ein dezentrales Netzwerk, das Anreize für KI-Modelle, insbesondere Large Language Models (LLMs), für verschiedene Aufgaben wie Textgenerierung, Bilderstellung und Musikproduktion bietet. Das Netzwerk umfasst heute über 27 Subnetze, die sich jeweils auf bestimmte Aufgaben konzentrieren.

Einfach ausgedrückt: Stellen Sie sich Bittensor als dezentrales ChatGPT + Midjourney + alles andere vor, was KI sonst noch tun kann.

Das Netzwerk hat zwei Hauptaufgaben:

1. Miner (Wertproduzenten): Miner entwickeln und hosten KI-Modelle im Netzwerk. Sie werden mit TAO-Tokens belohnt, basierend auf der Leistung ihrer Modelle im Zusammenhang mit der spezifischen Aufgabe. Dies ist ein Anreiz für die Entwicklung besserer und effizienterer KI-Modelle.
2. Validatoren (Konsensproduzenten): Validatoren bewerten die Ergebnisse der Miner und ordnen ihre Leistung für die spezifische Aufgabe. Sie kommunizieren auch mit Benutzern, die Aufgaben an die Validatoren senden (z. B. für das Bildgenerierungs-Subnetz: „/imagine Sam Altman mit einer Darth-Vader-Maske beim Thanksgiving-Dinner“) und sie an die entsprechenden Miner weiterleiten

„Sam Altman trägt eine Darth-Vader-Maske beim Thanksgiving-Dinner“, erstellt von Bittensors Subnetz zur Bildgenerierung.

Ich vereinfache wahrscheinlich die technischen Feinheiten zu sehr, aber ein paar Dinge fallen mir auf:

• Miner und Validatoren im Netzwerk tauschen Wissen und Parameter aus und ermöglichen so eine Selbstoptimierung im Laufe der Zeit
• Das Netzwerk ist darauf ausgelegt, die Stärken mehrerer separater KI-Modelle zu nutzen, um die bestmöglichen Ergebnisse zu generieren („Mixture-of-Experts“)

Quelle: Revelo Intel – Bittensor

Es liegt außerhalb meiner Absicht, auf technische Details einzugehen, aber hier sind ein paar gute Zusammenfassungen, die mir geholfen haben, Bittensor besser zu verstehen:

Revelo Intel – Bittensor

Knower – Ein kurzer Bericht über Bittensor und KI

Hierkönnen Sie Bittensors ChatGPT-Äquivalent ausprobieren

Das TAO

TAO ist der Utility-Token für das Netzwerk und hat eine ähnliche tokenomische Struktur wie Bitcoin: eine feste Obergrenze von 21 Millionen Token und ein fairer Start ohne VC-Zuteilung. Es gibt sogar einen Halbierungszyklus, wobei die erste Halbierung im Jahr 2025 stattfindet.

Derzeit sind 5,65 Mio. TAO im Umlauf, und alles wurde durch Mining und Validierung im Netzwerk fair verteilt. Die zirkulierende Marktkapitalisierung liegt heute bei etwas über 1 Milliarde US-Dollar. Täglich werden 7.200 neue TAO an Miner und Validatoren ausgegeben.

Meine ersten Gedanken

Bittensor steckt noch in den Kinderschuhen. Das Netzwerk verfügt über eine engagierte, fast kultartige Community, doch die Gesamtzahl der Teilnehmer bleibt bescheiden – über 50.000 Konten sind aktiv. Das geschäftigste Subnetz, SN1, das der Textgenerierung gewidmet ist, verfügt über etwa 40 aktive Validatoren und über 990 Miner.

Wirklich faszinierend ist das Konzept eines dezentralen KI-Netzwerks. Dies mindert nicht nur die Risiken einer Zentralisierung, sondern wirft auch die Frage auf: Könnten diese einzigartigen wirtschaftlichen Anreize KI-Modelle fördern, die diejenigen übertreffen, die von stark finanzierten Unternehmen wie OpenAI und Google entwickelt werden?

Bevor LLMs mit dem Aufkommen von Tools wie ChatGPT zum Mainstream wurden, konzentrierten sich Deep-Tech-Startups oft auf den Erwerb proprietärer Datensätze, um spezielle, auf maschinellem Lernen basierende KI-Modelle für sehr spezifische Aufgaben zu entwickeln. Flatiron Health nutzt beispielsweise reale klinische Daten von Onkologiepatienten und entwickelt KI-Modelle, die in Tools einfließen, die Krebsforscher und Pflegedienstleister unterstützen. Traditionell bestand das Ziel des Startups darin, diese proprietären Modelle zu produzieren und zu monetarisieren.

Bittensor könnte jedoch einen Paradigmenwechsel bedeuten. Es ist vielleicht passender, von einer durch Technologie ermöglichten Geschäftsmodellinnovation zu sprechen, statt von einem technologischen Durchbruch. Es bietet beispielsweise die Möglichkeit, proprietäre Daten und KI-Modelle gemeinsam zu entwickeln und von einem breiteren Publikum zu nutzen, ohne dass eine Open-Source-Lösung erforderlich ist. Ich kann mir eine Zukunft vorstellen, in der Bittensor Tausende spezialisierter Subnetze beherbergt, die sich einer Reihe von Herausforderungen widmen, von Umwelt- und Gesundheitsproblemen bis hin zu Energielösungen.

Und wenn ich ehrlich bin, finde ich etwas Faszinierendes an einem Team, das seine Tokenomics auf die gleiche Weise wie Bitcoin gestaltet. Es spricht für ihre Motivationen, die sich von den heutigen Teams unterscheiden – die ihre Tokenomics oft entlang des VC-finanzierten Modells optimieren, mit großen Zuweisungen für Gründer und Investoren.

Ich bin mir nicht sicher, wohin Bittensor gehen wird. Es könnte ein 100-facher Erfolg oder ein kompletter Misserfolg sein. Aber das Potenzial und die Philosophie dahinter sind zu überzeugend, als dass ich sie ignorieren könnte.

(HINWEIS: Zum Zeitpunkt des Verfassens dieses Artikels besitze ich TAO und setze es auf Validatoren).

Haftungsausschluss:

1. Dieser Artikel ist ein Nachdruck aus [Teng's Thoughts]. Alle Urheberrechte liegen beim Originalautor [TENG YAN]. Wenn Sie Einwände gegen diesen Nachdruck haben, wenden Sie sich bitte an das Gate Learn- Team, das sich umgehend darum kümmern wird.
2. Haftungsausschluss: Die in diesem Artikel geäußerten Ansichten und Meinungen sind ausschließlich die des Autors und stellen keine Anlageberatung dar.
3. Übersetzungen des Artikels in andere Sprachen werden vom Gate Learn-Team durchgeführt. Sofern nicht anders angegeben, ist das Kopieren, Verbreiten oder Plagiieren der übersetzten Artikel verboten.